MATLAB基于BP神经网络的股票价格预测研究(2)
时间:2017-06-11 22:28 来源:毕业论文 作者:毕业论文 点击:次
结 论 25 致 谢 26 参 考 文 献 27 附 录 29 1 绪论 1.1 研究背景和意义 随着社会和经济的发展，我国的股票市场越来越受到人们的关注。股票价格的预测有很多方法，但股票预测易受多方面影响，而且是个十分复杂否认非线性动态系统。传统的股票预测方法存在预测量大、建模复杂、不精确等局限性，因此，传统的股票预测方法只适用于预测一段时期内股价变动的大致趋势。近年来，基于人工神经网络的股票预测模型飞速发展，给人们以另一种手段和方法揭示其内在规律，其作为一种大规模并行处理的非线性系统、利用数据本身的内在联系建模，具有良好的自学习能力、较强的抗干扰能力，在股票预测中 取得了令人满意的成绩。本文采用神经网络模型进行预测，试图通过建立BP神经网络预测模型，对上证指数的收盘价进行预测。 1.2 文献综述 随着经济统计学、计量经济学等相关技术的高度发达，预测学也慢慢发展起来。运用于经济领域的预测方法，常用的有时间序列，多元回归和经济计量方法。建立在经济计量学方法的预测模型与实践序列分析模型相比，最大的优势就是它们得到被预测经济现象的实际解释。多元回归即VAR方法，它依靠经济数据中重复发生的历史方式预测少数重要的经济变量，它比传统的结构模型的预测精确性要高，如预测国民生产总值和利息率。以上几种方法均是用线性模型模拟现实生活的复杂系统，均属于模型驱动的方法，因此在处理非线性系统时效果不是很好。事实上，这些预测模型方法的基本前提是非常苛刻的。但是由于多数复杂的系统呈非线性，使得这类方法在实际运用上有很大的局限性。所以，必须在建模策略上进行根本的变革，提出新的概念和方法来处理这类预测问题。这种情况下，人们开始把目光转向了近些年来兴起的神经网络模型，结果表明它用于预测的精度和趋势都较传统方法有所提高。 1.2.1 国外研究现状 1.2.2 国内研究现状 1.3 本文主要的研究内容和手段 本文以市场非有效性为前提，基于Levenberg-Marquardt算法，选用广泛被用到实践中的BP网络模型进行股价预测。本文结合了我国市场运行的各种特点和影响股价运行规律的各种技术因素，选取深发展A为研究对象，选择适当的数据作为模型输入，通过网络结构设计和参数选择不断进行实验，把收盘价涨跌的内在规律体现在BP网络具体的权值、阈值中，预测股市未来的走势，取得一定的结果。 本课题拟采用的研究手段： （1）理论借鉴与拓展相结合 本文将查阅国内外许多著名经济学家关于股价预测模型方面的大量理论著作，同时参阅许多书刊、杂志上的最新研究文献，借鉴其中理论研究成果，并将在此基础上进一步做出探讨和拓展，以期阐述自己的观点。 （2）定量与定性相结合 通过神经网络模型，结合股票的大量搜集证券市场的原始数据（开盘价，最高价，最低价，收盘价，成交量和成交金额），对股价进行预测，并简单比较神经网络预测方法与传统预测方法，并比较其优劣。 2 股票价格预测方法简介 股票市场是经济的“晴雨表”，其作用不仅被政府所重视，更受到广大投资者的关注。对投资者来说，未来股票价格的变化趋势预测越准，就越可能获得更高的利润和规避风险。对国家和政府而言，股票预测研究同样具有重要作用。因此，对股票内在性质及预测方法的研究具有重大的理论指导意义。 (责任编辑：qin) |